tecnologia

MAI Code 2: como comparar modelos de programação pelo custo por tarefa

Alexandre Guimarães
MAI Code 2 da Microsoft
modelos de programação
IA para desenvolvimento de software
custo por tarefa
GitHub Copilot
benchmarks de programação
revisão de código
engenharia de software
custo de IA
segurança de código
Imagem de capa: MAI Code 2: como comparar modelos de programação pelo custo por tarefa
O MAI Code 2 promete desempenho de modelos líderes por uma fração do preço. Veja como testar custo por tarefa aceita, revisão, retrabalho e segurança no seu código.

Em 17 de novembro de 2026, a Microsoft anunciou o MAI Code 2 e o MAI Code 2 Flash e os levou ao GitHub Copilot para assinantes elegíveis. A proposta é clara: usar um modelo mais potente em mudanças complexas e um modelo mais leve em tarefas rotineiras, tentando reduzir a conta sem abrir mão de qualidade.

A comparação de preço e desempenho chama atenção. Mas, para uma empresa, o número que importa não é o custo de uma chamada nem a pontuação num benchmark isolado. É quanto custa entregar uma alteração correta, revisada, segura e integrada ao produto. Essa é a régua que eu usaria para avaliar o MAI Code 2 — e qualquer outro modelo de programação.

O que a Microsoft anunciou — e o que os números dizem

A Microsoft posiciona o MAI Code 2 para depuração profunda, refatoração, mudanças em vários arquivos e raciocínio sobre um repositório. O Code 2 Flash é voltado a tarefas frequentes, como explicar código, fazer edições pontuais e corrigir problemas rotineiros. O GitHub informa que os modelos usam cobrança baseada em consumo; disponibilidade depende do plano elegível e das configurações da organização.

Nos quatro benchmarks apresentados pela Microsoft para o Code 2, a empresa afirma que o modelo alcançou 98% do desempenho do GPT-6.1 Sol por 40% do custo e 96% do desempenho do Claude Opus 5.5 por 5% do custo. A conta usa preço promocional, com 50% de desconto. A Exame relata que três avaliações rodaram na plataforma interna da Microsoft e uma usou dados da Artificial Analysis. Portanto, são comparações divulgadas pelo fornecedor, em condições específicas — não uma garantia sobre qualquer repositório ou fluxo de trabalho.

Uma cobertura da InfoWorld detalha também as médias reportadas de custo por tarefa: US$ 0,309 para o Code 2, contra US$ 0,761 para o GPT-6.1 Sol e US$ 6,306 para o Claude Opus 5.5. Para o Flash, os valores informados foram US$ 0,052, US$ 0,080 e US$ 0,319, respectivamente, em comparação com GPT-6 Luna e Claude Haiku 5.5. Esses números são úteis para formular uma hipótese de teste. Não são uma previsão do gasto da sua equipe: o consumo de tokens, a tarefa, as tentativas e o preço promocional mudam a conta.

Há ainda uma ressalva temporal importante. Segundo os preços do GitHub citados pela InfoWorld, a promoção do Code 2 está prevista até 17 de maio de 2027; depois, as tarifas por milhão de tokens de entrada, entrada em cache e saída sobem. O Flash também tem preços promocionais e tarifas posteriores. Antes de contratar ou ampliar o uso, confira a tabela vigente, o câmbio, impostos e as condições do seu plano. Uma promoção pode tornar um piloto atraente sem representar o custo recorrente.

Preço por chamada não é custo por tarefa concluída

Um modelo pode gerar uma resposta barata e ainda assim sair caro se exigir várias tentativas, consumir muito contexto, introduzir erros ou aumentar o tempo de revisão. O inverso também acontece: uma chamada mais cara pode compensar se resolver um problema complexo com menos retrabalho e menor risco.

Eu mediria o custo por tarefa aceita assim: some o custo de inferência e ferramentas, o tempo de revisão e testes, o retrabalho, a integração e a manutenção; depois divida pelo número de alterações que passaram os critérios definidos e foram aceitas. Inclua o custo de tarefas abandonadas e de incidentes atribuíveis ao código gerado. Se o modelo barateia tokens, mas duplica a revisão, a economia pode desaparecer.

O cálculo não precisa começar perfeito. O importante é manter a mesma definição de tarefa concluída para todos os modelos e comparar com uma linha de base sem assistência ou com a ferramenta que a equipe já usa. Registre o esforço humano, não apenas o consumo de tokens.

Como montar um teste que represente seu desenvolvimento

Escolha tarefas reais e variadas: correções simples, bugs difíceis, alterações em vários arquivos, testes, refatoração e mudanças de interface. Inclua casos ambíguos, requisitos incompletos e tarefas em que a resposta correta é pedir esclarecimento ou não alterar o código. Um conjunto composto apenas por exemplos fáceis favorece modelos rápidos, mas não revela o custo das exceções.

Defina antes os critérios de aceite: testes aprovados, revisão humana, padrões do projeto, ausência de vulnerabilidades conhecidas e compatibilidade com as dependências. Rode os modelos no mesmo ambiente, com instruções equivalentes e limites de tentativas comparáveis. Faça uma amostra em modo controlado e registre taxa de aceitação, defeitos, tempo até o merge, revisões solicitadas, falhas de teste, consumo e custo.

Não misture Code 2 e Flash numa única média. Separe por tipo de tarefa: o modelo barato pode ser adequado para explicar um trecho e inadequado para uma migração ampla. A escolha pode ser uma política de roteamento — tarefa simples para Flash, mudança complexa para Code 2, caso de alto risco para revisão reforçada — desde que o encaminhamento também seja testado.

Revisão de código e segurança fazem parte da conta

Código que compila não é necessariamente código pronto para produção. A revisão precisa verificar comportamento, permissões, tratamento de dados, dependências, exposição de segredos e efeitos sobre sistemas existentes. A própria cobertura da InfoWorld destaca custos de integração, testes, segurança, revisão humana e correção de erros como itens que ficam fora do preço do modelo.

A Microsoft também delimita o escopo: diz que os modelos foram priorizados para tarefas comuns de programação corporativa e ainda não foram ajustados para problemas como pesquisa científica fundamental ou trabalho agêntico de horizonte muito longo. Isso é um lembrete útil: benchmark e descrição de produto ajudam a escolher o que testar, mas não substituem controles no ambiente real.

A decisão é sobre entrega, não sobre quem vence o benchmark

O MAI Code 2 merece entrar na avaliação de equipes que já trabalham no ecossistema GitHub e querem comparar preço, qualidade e integração. Mas eu não escolheria um modelo com base apenas no slogan de desempenho por uma fração do custo. O que vale é o resultado sob o código, as ferramentas, os padrões de segurança e a capacidade de revisão da sua operação.

Trate o preço promocional como condição temporária, meça o custo total por mudança aceita e mantenha uma linha de base comparável. Se a sua equipe testasse esses modelos nesta semana, qual tarefa real — e qual critério de qualidade — usaria para decidir se a economia é de verdade?

Fontes

Anúncio oficial da Microsoft: MAI Code 2 e Code 2 Flash. GitHub Changelog: disponibilidade e cobrança baseada em uso. Exame: contexto dos benchmarks e do desconto promocional. InfoWorld: médias de benchmark, custo por tarefa e análise dos custos operacionais.

Alexandre Guimarães

Especialista em Inteligência Artificial e Transformação Digital

Gostou do artigo?

Entre em contato para discutir como podemos ajudar sua empresa com Inteligência Artificial e Transformação Digital.